Internetes Médiakommunikáció

1

Internetes Médiakommunikáció

xxx. előadás

i.) Trendek

ii) Kognitív rádió (hálózat)

iii) Vezeték nélküli érzékelő hálózat

iv.) Kooperáció Wiener szűrés esetén

Oláh András

2009. 03. 25.

2

Trends

Home media capacity - 1975

Product Route to home Display Local storage

TV stations phone TV Cassette/ 8-track

broadcast TV radio

broadcast radio stereo Vinyl album

Local news mail

Advertising newspaper delivery phone

Radio Stations

non-electronic

Tom Wolzein, Sanford C. Bernstein & Co

Home media capacity – now

Product Route to home Display Local storage cable VCR

TV stations phone/DSL TVInfo wireless radio DVD“Daily me” broadcast TV PC Web-based storage content Server/ TiVo (PVR)Cable Nets broadcast radio stereo PCWeb sites satellite monitorLocal news mail headphones CD/CD-ROMContent from express delivery pager individuals iPod / storage MP3 player / iPodPeer-to-peer subcarriers / WIFI cell phone pagers - PDAsAdvertising newspaper delivery phone cable boxRadio stations PDA/Palm game console

game console Satellite radio non-electronic Storage sticks/disks

Adopted from Tom Wolzein, Sanford C. Bernstein & Co

5

Market Size

6

Intelligent Device Hierarchy

Mobile info

appliances

Static info appliances

Mobile devices

Static devices

Controllers

Smart sensors

Microprocessors & Microcontrollers

Mobile phones, PDAs, scanners, Web Tablets, GPS, etc.

PC’s, servers, etc.

Vehicle cargo containers, tankers, supply chain assets (SKU)s…

Medical Device, HVAC, industrial machinery, distributed generation…

Industrial controllers, appliance controllers…

Accelerometers, pressure gauges, flow, position, speed, temp biosensors, etc.

8-, 16-, 32-, 64-bit chips, etc.

Hum

an-centric

Device-centric

1.5 billion

500 million

350 million (SKUs: trillions)

375 million

500 million

750 million

35 billion

2007 Potential

7

technologies for pervasive computing

flexible fuel cell

RFID antenna

Smart dust communications mote

8

x-impact technologies

Source: Institute for the Future

9

1. IP Will Eat Everything! – Next Generation Internet

3. Convergence of Communications & Applications Will Be A Reality – Network Will Be The Computer

4. Wireless Internet Will Be Big – Driving Mobility

5. Sensor Networks Will Be Everywhere

6. e-Collaboration Will Dominate The Workplace – next generation speech recognition

7. Broadband Will Be Common – Death of Locality

2. Security Is Critical

8. Wireless & Wired Lines Will Converge – Accelerating Virtualization

10. Home LANs Will Proliferate – Ethernet Will Be Everywhere

9. Knowledge Mining Will Transform the Way We Do Business

Top Ten Technology Trends

Top Ten Technology Trends

10

2005

2005

2005

2005

2020

IP Devices

Wireless Content

Intelligent optical chip

Nano computers

Wearable network

Private on-demand reconfigurable

networks

Mesh sensory networks

Fuel cellsproliferate

Self-healingnetworks

3-D printing

Cognitive radio

Speech-to-speech translation

100 Gbyte mobile storage

Composite applications

Flexible display

Application-aware network

Wireless VoIP

Biometrics

Mobilevideo

Location-aware services

Over-the-air programming

Seamless mobility

Video search

Perpendicularstorage

Interactive video

Semanticweb

Storage virtualization

Gridnetworks

2010

20102010 2015 2015

2015

2015

2010

What’s To ComeWhat’s To Come

Holographic storage

Tele-immersionSpeech Dialing

Virtual Reality Communications

Next Generation Internet

1 Tbyte mobile storage

Quantum Computing

IP Mobility Dominant

RFIDPallets

RFIDItems

Cloaking

Infobots

Emergence of Physical &

Sensory Internet

What’s the next big thing? What’s the next big thing?

Here Now Voice over IP P2P Integrated GPS WiFi RFID 3G Mobile Satellite Radio / DAB Mobile TV / IP-TV / Web TV DTV / HDTV PVR Video on Demand WiMAX Mesh Networks Broadband Power Line (BPL)

Coming Soon 3G+ Mobile Ultra Wide Band (UWB) Software-Defined Radio (SDR) Grid Computing Sensor Networks Nanotechnology Internet Protocol Version 6 (IPv6) Quantum Cryptography

On the Horizon Gigabit WiMax User Controlled Light Paths (UCLP) Semantic Web Bio Computing Quantum Computing

Access to anything, anywhere, anytime

We are moving to an EoIP worldWe are moving to an EoIP world

Top-down: What the network thinks you want, when they think you want it and in the format they want TV content on cable, or over the air Radio show on radio Books in the bookstore or library Snail mail rain or shine Voice by monopoly phone provider

Choice: What you want, when you want it, from anywhere All content and services available online:

Music, Movies, TV Shows, Books, podcasts, Voice, TV, Radio…

Choice of receptors: Personal Computers, cell-phones, Blackberry, iPods…

The Consumer’s Revenge!

The mobile internet revolution is hereThe mobile internet revolution is here

It has revolutionized communications Mobile is supplanting wireline for telephony

The mobile web is beginning to make in-roadsSmaller, cheaper, more powerful devices

Faster, smarter radiocommunications

Result is ‘Un-tethered’ access

Global Vision

Mobile Internet For All

ICMB 09.07.07 - 13

Placing new pressures on spectrum use…Placing new pressures on spectrum use…

Spectrum challenges are now global Global and regional

harmonization Technology neutrality Licence-exempt spectrum and

standards Public safety & security

Implications Greater effort required to build

consensus (i.e. preparations for WRC)

Nations can no longer operate in isolation

Regional (minimum) – Global (desired)

New pressures on spectrum management

Cognitive Radio Challenge: develop new

regulations to accommodate cognitive performance

UHF White Spaces Challenge: Develop standards

for use of unused broadcast spectrum for wireless broadband

UWB Challenge: Develop

internationally harmonized rules addressing potential interference

Where everyone and everything is connectedWhere everyone and everything is connected

Ecosystem of the Internet

Radio-Frequency IDentification (RFID) tags + Smart Computing

Wireless sensors

Personal Area Networks (PANs)

Human Body

Internet

Things

Human Being

RFID

Nanotech

Smart tech

Wire

less

sensors

Cable

xDSL

Satellite

2G mobile

3G+ mobile

WiMANWiLAN

Internet of Things

Economic System

Producers & Suppliers

Consumer Advocacy

Groups

R&D organization

sGov’t & Regulators

International Agencies

Lead Users

Legal System

Social System

Ethic

sSource: ITU, 2005

16

‘The Internet of Things’ is a concept originally coined and introduced by MIT, Auto-ID Center and intimately linked to RFID and electronic product code (EPC)

“… all about physical items talking to each other..”

Like RFID it is a concept that has attracted much rhetoric, misconception and confusion as to what it means and its implications in a social context

The Internet of Things

17

The Internet of Things* (2007 Commission view):

The Internet of Things viewed as a network for communicating devices and based upon four degrees of sophistication, involving:

Purely passive devices (RFID) that yield fixed data output when queried

Devices with moderate processing power to format carrier messages, with the capability to vary content with respect to time and place

Sensing devices that are capable of generating and communicating information about environment or item status when queried

Devices with enhanced processing capability that facilitate decisions to communicate between devices without human intervention – introducing a degree of intelligence into networked systems

* European Commission (2007) From RFID to the Internet of Things – Pervasive networked systems

The Internet of Things

18

Wireless ParadigmWireless Paradigm

Evolution Path

18

19


Adaptive Wireless Broadband Network 구현

19

20


20

21


21

22

Key Technologies for Future Key Technologies for Future Wireless SystemsWireless Systems New radios for heterogeneous access

Low-power sensor radios High-speed WLAN and 4G/802.16 Faster 4G cellular, 802.16, etc.

Spectrum-sharing for dense networks Dynamic spectrum / cognitive radio for frequency coordination Spectrum etiquette protocols

Ad-hoc wireless networks Self-organizing networks capable of scaling organically Discovery, MAC and routing protocols for reliable ad-hoc services

Pervasive computing software Dynamic binding of application agents and sensors Real-time orchestration of sensors and actuators

2007-05-09 22

23

Kognitív rádió és kognitív hálózat

24

Motivation

Going wireless more and more... Lack of interoperability bw. different technologies Lack of spectrum (???)

25

Spectrum Facts Fixed Spectrum Assignment (Existing

spectrum policy forces spectrum to

behave like a fragmented disk ) Bandwidth is expensive and good

frequencies are taken

Unlicensed bands – biggest innovations in spectrum efficiency

Recent measurements by the FCC in the US show 70% of the allocated spectrum is not utilized

Time scale of the spectrum occupancy varies from msecs to hours

More clever radio Frequency Agility----SPECTRUM SHARING

SOLUTIONSOLUTION

26

Solution

Joseph Mitola 1992 Software Defined Radio(SDR)

radio primarily defined insoftware, which supports a broad range offrequencies, and its initial configurations can bemodified for user requirements.

Joseph Mitola 1999Cognitive Radio(CR)

SDR + Intelligence

27

Spectrum Sharing

Existing techniques for spectrum sharing: Unlicensed bands (WiFi 802.11 a/b/g) Underlay licensed bands (UWB) Opportunistic sharing Recycling (exploit the SINR margin of legacy systems) Spatial Multiplexing and Beamforming

Drawbacks of existing techniques: No knowledge or sense of spectrum availability Limited adaptability to spectral environment Fixed parameters: BW, Fc, packet lengths, synchronization,

coding, protocols, … New radio design philosophy: all parameters are adaptive

Cognitive Radio Technology

28

Channel and Interference Model Measurement of the spectrum

usage in frequency, time, and space Wideband channel

Common with UWB Spatial channel model

Clustering approach Interference correlation

Derive statistical traffic model of primary users Power level Bandwidth Time of usage Inactive periods

30

210

60

240

90

270

120

300

150

330

180 0

Time (min)

Fre

quen

cy

(Hz)

Angular domain

29

Cognitive Radio Functions

D/APA

LNA A/D

IFFT

FFT

ADAPTIVELOADING

INTERFERENCEMEAS/CANCEL

MAE/POWER CTRL

CHANNELSEL/EST

TIME, FREQ,SPACE SEL

LEARN ENVIRONMENT

QoS vs.RATE

FEEDBACKTO CRs

Sensing Radio Wideband Antenna, PA

and LNA High speed A/D & D/A,

moderate resolution Simultaneous Tx & Rx Scalable for MIMO

Physical Layer OFDM transmission

Spectrum monitoring

Dynamic frequency selection, modulation, power control

Analog impairments compensation

MAC Layer Optimize transmission

parameters

Adapt rates through feedback

Negotiate or opportunistically use resources

RF/Analog Front-end Digital Baseband MAC Layer

30

From WiFi to Cognitive RadiosFunctionality WiFi Cognitive Radio

Multiple channels for agility27 fixed 20MHz channels

Variable # and BW

Sensing collisions/interference

WiFi interference only Any interference

Simultaneous spectrum sensing and transmission

Not possible Necessary

Modulation scheme, rate Fixed per packetAdaptive bit loading

Packet length, preamble Fixed More flexible

Power level Fixed per packet Adaptive control

Interference mitigation WiFi interference only Any interference

Spatial processing Some (802.11n) Lots…

QoS, rate, latency Limited Sophisticated

31

Kognitív rádió és kognitív hálózat - SDR

32/37NETLAB Seminar 7 March 2007

32/37

Software Defined RadioSoftware Defined RadioConcept of SDR

Termed coined by Mitola in 1992Radio’s physical layer behavior is primarily defined in softwareAccepts fully programmable traffic & control informationSupports broad range of frequencies, air interfaces, and application softwareChanges its initial configuration to satisfy user requirements

SDR: use software routines instead of ASICs for the physical layer operations of wireless communication system

2007-05-09 32

ASICs(PHY)ASICs(PHY)

ProgrammableHardware

ProgrammableHardware

SoftwareRoutinesSoftwareRoutines


33/37

SDR properties

Reconfigurable

Easily Upgradeable

Responds to the changes in the operating environment

Lower maintenance cost


34/37

Advantages of SDRAdvantages of SDR

Lower costs

Platform longevity, higher volume

SW has lower development costs

Time to market

Future protocols will have complex implementations

Overlap testing/development cycles

Adaptability

Standards change over time

Multi-mode operation

Sharing hardware resources

Open architecture allows multiple vendors

Maintainability enhanced

2007-05-09 34

UWB EDGE 802.16a

802.16a Bluetooth

802.11b WCDMA 802.11n

SDR


35/3735

The Anatomy of Wireless ProtocolsThe Anatomy of Wireless Protocols

1. Filtering: suppress signals outside frequency band2. Modulation: map source information onto signal waveforms3. Channel Estimation: Estimate channel condition for transceivers 4. Error Correction: correct errors induced by noisy channel

LPF-Tx scrambler spreader InterleaverChannelencoder

LPF-Rx

searcher

descrambler despreader combiner

descrambler despreader

...

deinteleaverChanneldecoder

(turbo/viterbi)

Upper layersTransmitter

Receiver

D/A

A/D

FrontendW-CDMA Physical Layer Processing

LPF-Tx

LPF-Rx

scrambler spreader



combiner

searcher

InterleaverChannelencoder

deinteleaverChanneldecoder

(turbo/viterbi)


36/37

Some SDR platforms

37

Some definitionsPrimary User (Licensed User)

the user which has an exclusive right to a certain spectrum band.In other words, the license holders...

No need to be aware of cognitive usersNo additional functionalities or modifications needed

Secondary User (Unlicensed User)Cognitive-radio enabled users

Lower priority than PUs

38

SPECTRUM HOLE A spectrum hole is a band of frequencies assigned

to a primary user, but, at a particular time and specific geographic location, the band is not being utilized by that user.

39

Cognitive Radio - definitions The term “cognitive radio” was first coined by Mitola in

1999 and can be defined as in 2006 by IEEE: “A type of radio that can sense and autonomously reason about its environment and adapt accordingly. This radio could employ machine learning mechanisms in establishing, conducting or concluding communication and networking functions with other radios”

Two CR-related standards are under development: IEEE 802.22: high rate access (1.5 Mb/s) in rural areas up to

100 km in coverage IEEE 802.11h: WLANs with dynamic frequency selection

transmit power control capabilities

40

Definition (1)

In the 1999 paper that first coined the term “cognitive radio”, Joseph Mitola III defines a cognitive radio as

“A radio that employs model based reasoning to achieve a specified level of competence in radio-related domains.”

41

Definition (2)

Simon Haykin defines a cognitive radio as “An intelligent wireless

communication system that is aware of its surrounding environment (i.e., outside world), and uses the methodology of understanding-by-building to learn from the environment and adapt its internal states to statistical variations in the incoming RF stimuli by making corresponding changes in certain operating parameters (e.g., transmit-power, carrierf requency, and modulation strategy) in real-time, with two primary objectives in mind:

· highly reliable communications whenever and wherever needed; · efficient utilization of the radio spectrum.

42

Cognitive Radio: Cognitive Radio: ContributionContribution Cognitive radios are a powerful tool for solving two major

problems:1) Access to spectrum (finding an open frequency and using it)

2) Interoperability (talking to legacy radios using a variety of incompatible waveforms)

43

Properties

Cognitive radio properties RF technology that "listens" the spectrum Knowledge of primary users’ spectrum usage as a function

of location and time Rules of sharing the available resources (time, frequency,

space) Embedded intelligence to determine optimal transmission

(bandwidth, latency, QoS) based on primary users’ behavior

Cognitive radio requirements

co-exists with legacy wireless systems uses their spectrum resources does not interfere with them

44

9 levels of CR functionality

45

Channel-state estimation, and

predictivemodeling

Radio-scene Analysis

(Spectrum sensing)Transmit-power control, andspectrum

management

Radio Environment(Outside World)

RF Stimuli

Spectrum Holes,Noise-floor statistics

Traffic statistics

Interference temperature

QuantizedChannel capacity

Transmitted signal

ReceiverTransmitter

Spectrum Holes: A band of frequencies that are not being utilized by the primary user at a particular time and in a particular geographic location. - Black/Grey/White Holes

Interference temperature: To quantify and manage the sources of interference in a radio environment

Basic Cognition CycleBasic Cognition Cycle

46

How Does a Cognitive Radio Get So Smart?External Intelligence Sources

OrientEstablish Priority

PlanNormal

Generate Alternatives(Program Generation)Evaluate Alternatives

Register to Current Time

DecideAlternate Resources

Initiate Process(es)(Isochronism Is Key)

Act

Learn

Save Global States

Set DisplaySend a Message

ObserveReceive a Message

Read Buttons

OutsideWorld

NewStates

The Cognition Cycle

PriorStates

Pre-process

Parse

ImmediateUrgent

Infer on Context Hierarchy

OBSERVE-ORIENT-DECIDE-ACT

OODA loop

4747

Knobs & MetersKnobs & Meters

“Reading the Meters” Monitors its own performance continuously

“Turning the Knobs” Responds to the operator’s commands by

configuring the radio

The Cognitive Engine tells the radio how to control the knobs and meters.

2007-05-09 47

4848

Knobs & MetersKnobs & Meters

2007-05-09 48

49

Challenges of Cognitive Challenges of Cognitive RadioRadio Hidden node problem

Heterogeneous System Design

2007-05-09 49

50

Frequency Assignment

Negotiation of Resources (Game theory)

Challenges of Cognitive Challenges of Cognitive RadioRadio

2007-05-09 50

51

Challenges and Research Issues

Hardware Learning Mechanisms Routing and Upper layer Issues (Networking, QoS) Developing spectrum sharing behaviors Sensitive detection Frequency assignment negotiation Resource allocation Security (Unintentional config..) Integration with “spectrum market”

52

• Optimize transmission parameters

• Adapt rates through feedback

• Negotiate or opportunistically use resources

Physical Layer

MAC Layer

Network Layer

Transport Layer

Application Layer

OFDM transmissionSpectrum monitoring

Dynamic frequency selection,

modulation, power control

Analog impairments compensation

Routing, System Management, QoS and other upper layer issues...

Cross-layer design

53

Sensor Network

54

Sensors?

Also the biomedical sensors: EMG, EKG, pulses, emotions, etc

camera mic accelerometer gyro

pressurethermal GPS

55

WSN– intelligens „jelenlét” és érzékelés Külvilág

(megfigyelt rendszer)

Intelligens szenzorok

(hálózat)

Elektromos jel

Jelfedolgozás, monitorozás, döntés

(közp. adatfeld.)Előfeldolg. dig. folyam

Rádiós kapcsolatÉrzékelés, jelfeldolgozás, kommunikáció

KOMM. PROT. ???

56

Sensor Nodes Today

MICA, 2001-20025.7cm X 3.18cm

4 MHz CPU128K ROM 512K RAM40kbps Radio range x00 feetSensors, battery not included

Spec, March 20032mm X 2.5mm

CPU, memory, RF transceiverSensors, battery, antenna not included< 1 dollar if mass-produced

57

Wireless sensor node and sensor network

58

Kihívás

Hálózati réteg

Jelfeldolgozási réteg

Érzékelési réteg

AlkalmazásOptimális protokollok

Max. élettartam

Optimális erőforrás-menedzsment (energy aware

routing)

???

tradicionális hálózati protokollok nem alkalmazhatóak

59

Modell

Ekvivalens modell

BSdN-1 dN-2 d1

N N-1 N-2 N-3 1

szenzorok

Érzékelt mennyiség (forgalom) továbbítása a bázis állomás felé

Új protokollokÚj protokollok::

Optimális csomagtovábbító eljárások

Energia hatékonyságEnergia hatékonyság !! !!

???

Maximális élettartamMaximális élettartam!!

dN

60

Protokoll tervezés

Csomagtovábbítási algoritmus

Energia- és lokalizáció kényszerek

Statisztikai forgalmi modellek

Nmax ugrások száma,

optimális node elhelyezkedés vagy optimális útvonal

Statisztikai módszerek, nagy eltérések elmélete

LEGHOSSZABB ÉLETTARTAMLEGHOSSZABB ÉLETTARTAM

Eddigi (determinisztikus) eredmények:

A. J. Goldsmith (2002), I.F. Akyildiz (2002), F. L. Lewis (2004), Haenggi (2005)

Élettartam optimalizálása statisztikus forgalom esetén

Nyitott kérdés és a dolgozat új eredményei:

61

Az egydimenziós általános lánc modell

0,1iy

● Szenzorok száma : N

● valószínűségi változó jelöli, hogy egy node-on generálódik-e csomag.

● az on-off forgalmi modellben egy node pi valószínűséggel generál csomagot.

● Szomszédos elemek közötti távolság: d1, d2 … dN ;

● Egy csomag szomszédos node-nak továbbításához energiaszükséglete: gi .

0

lnir

d Ng

P

0

0:N

P dr NP P e

A Rayleigh - terjedési modell alapján:

Két node távolságából előállíthatjuk egy csomag d távolságba küldéséhez szükséges energiát.

P0=g

i

)(),....,(1 kykyk N y forgalmi állapotvektor

62

1D topológia - 2D(3D) topológia

G

BS

Újraindexelés a bázisállomástól való „távolság” alapjánD

Megvalósítás: Az 1 dimenziós lánc felállítása a bázis állomás távolságának függvényében (PEGASIS,PEDAP)

4

2

1

3

63

A forgalmi modell

Eseményvezérelt adatgyűjtés (Event-driven data gathering) statisztikus forgalom

Annak a valószínűsége, hogy egy adott y forgalom képződik a hálózaton:

1

1

( ) (1 )i i

Ny y

i ii

p p p

y

BSdN dN-1 dN-3 d1

N N-1 N-2 N-3 1

Például:

y= (1, 0, 1, 1, …, 1)

Az aktív node-ok

64

Az energiafogyasztás kvantifikálása

Valószínűségben optimalizálunk: , Pr , , ,N K A e g p

11 1 0

1:

K N i

i jk i j

y gN

21

: max

K N

i ji

k j i

g y

A maximális fogyasztású node K ütemre összegzett energia felhasználása:

A hálózatban egy node átlagos fogyasztása K ütemre összegezve:

ahol a hálózat teljesítőképessége.Két eset:

65

Az élettartam definíciója

K:

K:

11 1 0

1Pr Pr

K N i

i jk i j

A y g A eN

21

Pr Pr maxK N

i ji

k j i

A g y A e

A hálózat élettartama az az ütemszám, amelyre a fenti egyenlőség fennáll.

Adott: - konfidencia

A - a rendelkezésünkre álló telep energia esetén

Kihívás:Kihívás: A „K” élettartam meghatározása polinomiális időben.

66

Statisztikai módszerek

Az összenergia fogyasztás farokeloszlásának becslése

Chernoff határ Union határ

Optimális csomag továbbítás kombinatorikus optimalizációval

67

Az összenergiafogyasztás átlagának kiszámítása Chernoff határral

AssieA Pr

N

ii

s

sANss1

inf:

( ) log{ (1 )} isGi i is p e p

A lemerülési valószínűség Chernoff határa:

A Chernoff határ minden s > 0-ra felülről becsül, ezért mi azt az s*-ot keressük, melyre a célfüggvényünk, azaz a lemerülési valószínűség minimális:

Az on-off modell logaritmus momentum generáló függvénye:

farokeloszlás becslése -> nagy eltérések elmélete -> Chernoff határ

1

1 sgnN

i

i

d ss k s k A

ds

Polinomiális időben

megtalálja a minimumot!

Megoldás: Minimum keresés gradiens módszerrel:

N

ii sANs

eA 11Pr

* *

1

( )

1

1Pr

N

ii

K K s s AN

kk

A eN

~

1log{ (1 ),i

N sGi ii

NAsK

p e p

Az élettartam:

68

Optimális szenzorszám meghatározása lánc protokoll esetén

69

Kontribúció: új protokollok és statisztikai analízisük

Az élettartam növelése komplex csomagtovábbítási stratégiák szerint (single hop és lánc kiterjesztései)

„Random shortcut” (véletlen rövidzár) protokoll „HAPW – hop ahead in any possible way” (bárki bárkinek küldhet előre) protokoll

Az élettartam meghatározása analitikus kifejezéssel, valamint polinomiális idejű optimumkereső algoritmus

70

A „Random shortcut” (véletlen rövidzár) protokoll

ai :=Pr ( fej := a láncban a következőnek küldi a csomagot)1-ai :=Pr ( írás := rövidre zár a bázisállomás felé)

A protokoll:Csomag érkezik az i. node-ra

„érmefeldobás”

Fej: a szomszéd csomópontnak küldi a csomagot gi energiával

Írás: rövidre zár, egyből a bázis állomásnak küldi a csomagot Gi energiával

Motiváció:

Bottleneck node

BSdN dN-1 dN-3 d1

N N-1 N-2 N-3 1

“Pénz feldobás” arg max Kopta

Cél:

71

A „Random shortcut” (véletlen rövidzár) protokoll

1

1i

i

i

i i i l jj i l

p l a a

1

:

i

i

i

i i j ij i

y g G

Az i-edik node-on generált csomag energia szükséglete:

annak a valószínűsége, hogy az

i-edik node-on generált csomag li hosszú úton marad a láncban.

λi valószínűségi változó a láncban megtett út hosszát fejezi ki,

i-λi az a node, amelyik az i-ből induló csomagot rövidrezárja a bázisállomás felé,

BSN i i-1 li

1

72

Az élettartam meghatározásaegy node átlagos fogyasztása alapján

A valószínűség Chernoff határának kifejezése:

1

1 1 1 11 1 1 1 1

1 1Pr ... Pr ,..., Pr ,...,

i

i N

K N i K N

i j i i N N N Nk i j i l l k i

y g G A A l l l lN N

1 1

1Pr

K N

ik i

AN

1

1

( , ),

1 11 1 1

1Pr ... Pr ,...,

N

i ii ii

N i

NNK N s l sA

K s lsAi N N i i

k i l l li

A e l l e e p lN

1

( , )

1

Pr

N

i ii

N s l sA

ii

A e

1

,

1

: ln 1i

i i

i

i

ls l

i l jl j

s e a a

Tömörebben a következő felső határ adható meg:

ahol a kiterjesztett logaritmus generáló függvény.

*

1,

1 1

ln 1i

i i

i

i

lNs l

l ji l j

s AK

e a a

73

Az élettartam meghatározásaa bottleneck node fogyasztása alapján

1

~

( ) ( ) (1 ( ))max

max log ( ) i i isi n a i g a i G

i

As AsK

sp e

y

y Y

y

A költség függvény kiszámítása az adott node átlagos terhelése és a várható fogyasztásának szorzata:

ahol a terhelést a következő rekurzió adja meg:

Az energiafogyasztás farokeloszlása és annak Chernoff határa:

max

1

Pr max ( ) 1 ( ) 1 ,i

i

K N K s As

j i isi

k j i

y g l j i j G l j i j A e

1

( ) ( )

0,1

log log ( ) ( )i i i

N

s g gi s E e p e p e

y y

y Y y

y y

( ) ( )( (1 ) ) i -rei i i i i isg n a g a G y y

1 1 1,...,1i i i in n n a i N

Ahol Li-Silvester-becsléssel számítva:

74

A rövidrezárási eloszlás optimalizálása

75

Az élettartam növelése random shortcut (véletlen rövidzár) modell használatával

Lánc

Random shortcut

Szenzorok elhelyzése

1. Determinisztikusan egyenletes

2. Exponenciális

3. Normális

4. Egyenletesen véletlen eloszlás

76

Konklúziók – I(Rayleigh fading és szimuláció)A vizsgált protokollokkal elérhető élettartam javulás a

single hophoz képest:

HAPW 4.7x

Random shortcut (véletlen rövidzár) 4x

Véletlenszerű energia tudatos 3.5x

Energia tudatos 3x

Lánc 2x

77

Eredmények mérésekkel való validációja

Vizsgált protokollok: Lánc Singlehop Véletlen Rövidzár Energia Tudatos

Berkeley Crossbow MotesBerkeley Crossbow Motes

Érzékelés: hőm., fény, szeizmikus, mágneses tér

RF 916 MHz

Hatósugár: 30-100ft

Processszor: microcontroller, 40Mhz, 128 kB flash

78

Alkalmazás – intelligens otthon

Adatfeldolgozó/vezérlő/ archiváló

egység

Szenzoriális elemek (mote)

• Hőmérséklet• Nyílászárók• Villanykapcsolók • Bioszenzor

(pulzoximéter)

Hálózati hozzáférés (GSM, GPRS, Internet)

Vezetéknélküli adatgyűjtő

bázisállomás

Energiaérzékeny protokollok és adatközlési módok

Adatfúzió, profildefiníció, döntések és beavatkozások

vezérlése

Szabványos hálózati protokollok,

adatbázis kezelése és a hálózat

távvezérlése

Kommunikációs protokollok optimalizálása!

Mote0

RF kommunikáció (433MHz)

Mobil/statikus hálózati elemek

79

Élettartam javulás konkrét mérések alapján

Protokoll Élettartam növekedés

„Energia tudatos”

2,8x

„Véletlen rövidzár”

2,6x

„Single hop” 2x

„Lánc” 1x

Internetes Médiakommunikáció

Documents

Transcript of Internetes Médiakommunikáció